PyTorchJOIN US IN PARIS PyTorch Conference Europe 7-8 April 2026 Paris, France #PyTorchCon
TensorFlow㧠Hello Worldã‚’å‹•ã‹ã—ã¦ã¿ãŸ&ãã®è§£èª¬ | DevelopersIO
平田ã§ã™ã€‚TensorFlowã¨ã„ã†æ©Ÿæ¢°å¦ç¿’ライブラリãŒæµè¡Œã£ã¦ã„るよã†ãªã®ã§ã€ã¨ã‚Šã‚ãˆãšè§¦ã£ã¦ã¿ã¾ã—ãŸã€‚ ã¨ã„ã†ã“ã¨ã§ã€ã¾ãšã¯Hello worldã¨ã€ãã®è§£èª¬ã‚’è¡Œã£ã¦ã„ããŸã„ã¨æ€ã„ã¾ã™ã€‚ セットアップ & Hello world ã¾ãšã¯ã€Tensorflowã‚’ãƒãƒ¼ã‚«ãƒ«ä¸Šã«ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ«ã—ã¦ã„ãã¾ã™ã€‚今回ã¯OSX上ã«ç’°å¢ƒã‚’作ã£ã¦ã„ãã¾ã™ã€‚ ã¯ã˜ã‚ã«virtualenvを利用ã—ã¦ã€tensorflow用ã®ç’°å¢ƒã‚’作æˆã—ã¾ã™ã€‚ tensorflowã¯ä»Šã®ã¨ã“ã‚python 2.7上ã§ã®ã¿å‹•ãよã†ãªã®ã§ã€ã“ã‚Œã«æƒãˆã¦ç’°å¢ƒã‚’作æˆã—ã¦ã„ãã¾ã™ã€‚ $ # python ãƒãƒ¼ã‚¸ãƒ§ãƒ³ç¢ºèª $ python —version Python 2.7.10 $ # virtualenvã®ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ« $ easy_install pip $ pip install virtualenv $ # virtualen
実践 Deep Learning
2000年代ã«ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã®ç ”究ãŒå†ã³æ´»ç™ºã«ãªã‚Šã¾ã—ãŸã€‚ç¾åœ¨ã€ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã¯è¿‘代的ãªæ©Ÿæ¢°å¦ç¿’ã®é“を切り開ã„ã¦ã„ã‚‹éžå¸¸ã«æ´»ç™ºãªç ”ç©¶é ˜åŸŸã¨ãªã£ã¦ã„ã¾ã™ã€‚Googleã€Microsoftã€Facebookãªã©ã®ä¼æ¥ã§ã¯ã€ç¤¾å†…ã®ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングãƒãƒ¼ãƒ ãŒæ€¥æˆé•·ã—ã¦ã„ã¾ã™ã€‚ã—ã‹ã—ã€å¤šãã®äººã«ã¨ã£ã¦ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã¯ã¾ã ã¾ã ã¨ã¦ã‚‚複雑ã§å›°é›£ãªèª²é¡Œã§ã™ã€‚本書ã§ã¯ã‚µãƒ³ãƒ—ルã®Python 3プãƒã‚°ãƒ©ãƒ ã¨ç°¡æ½”ãªèª¬æ˜Žã‚’通ã—ã¦ã“ã®è¤‡é›‘ãªåˆ†é‡Žã®ä¸»è¦ãªæ¦‚念を紹介ã—ã¾ã™ã€‚å¾®ç©åˆ†ã€è¡Œåˆ—演算ã€Pythonã®åŸºç¤ŽãŒã‚ã‚Œã°èª°ã§ã‚‚本書を始ã‚ã‚‹ã“ã¨ãŒã§ãã¾ã™ã€‚ 監訳者ã¾ãˆãŒã ã¾ãˆãŒã 1ç« ã€€ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ 1.1　知的ãªæ©Ÿæ¢°ã‚’作るã¨ã„ã†ã“㨠1.2　従æ¥ã®ãƒ—ãƒã‚°ãƒ©ãƒ ã®é™ç•Œ 1.3　機械å¦ç¿’ã®ã—ãã¿ 1.4　ニューãƒãƒ³ 1.5　線形パーセプトãƒãƒ³ã‚’ニューãƒãƒ³ã¨ã—ã¦è¡¨ç¾ã™ã‚‹ 1.6　フィードフォワードニュー
ニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ä½¿ã£ãŸAIãªã‚“ã‹ã‚ã£ã¡ã‚ƒç°¡å˜ã ã‹ã‚‰ã€‚俺天æ‰ï½—ï½—ã¿ãŸã„ãªãƒ•ãƒªã™ã‚“ã®ã‚„ã‚ã‚ - bonotakeã®æ—¥è¨˜
スイマセン。クソ煽りタイトルã§ã™ãŒã€ä¸‹è¨˜ã®è¨˜äº‹ã®ã‚¿ã‚¤ãƒˆãƒ«æ„訳ã—ãŸã ã‘ã§ã™ã€‚è‰ç”Ÿã‚„ã—ã¦æ›´ã«ã‚¯ã‚½ã•ã‚’増ã—ã¦ã¯ã„ã¾ã™ã€‚ Neural network AI is simple. So… Stop pretending you are a genius 個人的ã«ã¯ãœã²æœ¬æ–‡èªã‚“ã§ã“ã®è¨˜äº‹ã®ã‚¯ã‚½ç…½ã‚Šã£ã·ã‚Šã‚’満喫ã—ã¦ã»ã—ã„ã®ã§ã™ãŒã€è‹±èªžèªã‚€ã®ã‚‚メンドクセã¨ã„ã†æ–¹ã«ã€ä½•ãŒæ›¸ã„ã¦ã‚ã‚‹ã‹ã‚’ã•ã‚‰ã£ã¨ã ã‘説明ã™ã‚‹ã¨ã€‚ è¦ã¯ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã£ã¦ã€â†“ã®Pythonã§11è¡Œã®ã‚³ãƒ¼ãƒ‰åˆ†ã®å‡¦ç†ã‚„ã£ã¦ã‚‹ã ã‘ã˜ã‚ƒã？ ã“ã‚“ãªã®ä½¿ã„ã¾ã‚ã—ãŸç¨‹åº¦ã§ã€Œã†ã¯ï½—ｗｗ俺天æ‰ï½—ï½—ï½—ã€ã¿ãŸã„ãªé¡”ã™ã‚“ã®ã‚„ã‚ã‚ã€ã£ã¦ã“ã¨ã®ã‚ˆã†ã§ã™ã€‚ ã¾ããƒãƒƒã‚リ言ã£ã¦ã€ã‚¯ã‚½è¨˜äº‹ï½—ｗｗ煽り乙ｗｗｗãªã‚“ã§ã™ã‘ã©ã€‚ ã§ã‚‚ã¶ã£ã¡ã‚ƒã‘ã€çœŸå®Ÿãªã‚“ã§ã™ã‚ˆã€‚ã‚ã‚‹é¢ã«ãŠã„ã¦ã¯ã€‚ 僕も今ã®ä¼šç¤¾ã«å…¥ã‚‹ã¾ã§ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã«é–¢ã™ã‚‹çŸ¥è˜ã»ã¼ã‚¼ãƒã ã£ãŸã‘ã©ã€ä»Šã¯å°‘ãªãã¨ã‚‚ã€è‡ªåˆ†ã®æ¥
Deep Learning基礎講座演習コンテンツ 公開ページ
本プãƒã‚°ãƒ©ãƒ ã®æœ€å¤§ã®ç‰¹å¾´ã®ä¸€ã¤ã¯ã€å…¨ã¦ã®ãƒˆãƒ”ックã«ã¤ã„ã¦ã€æ¼”ç¿’ã‚’ä¸å¿ƒã«æ§‹æˆã•ã‚Œã¦ã„る点ã§ã™ã€‚実際ã«æ‰‹ã‚’å‹•ã‹ã—ãªãŒã‚‰ç†è§£ã‚’進ã‚ã‚‹ã“ã¨ã§ã€åŠ¹çŽ‡ã‚ˆãå¦ç¿’ã™ã‚‹ã“ã¨ãŒã§ãã¾ã™ã€‚ 実際ã«ãƒ¢ãƒ‡ãƒ«ã‚’å¦ç¿’ã•ã›ãªãŒã‚‰æŠ€è¡“ã‚’ç¿’å¾—ã™ã‚‹æœ¬æ ¼çš„ãªæ¼”習内容ã¨ãªã£ã¦ã„ã¾ã™ã€‚Deep Learningã¯ã€ãƒ¢ãƒ‡ãƒ«ãŒå®Ÿéš›ã«å¦ç¿’ã™ã‚‹æ§˜åを観測ã—ã€ãƒ‘ラメータを調整ã™ã‚‹ã“ã¨ã§ã‚¢ãƒ—リケーションã«å¿œã˜ãŸãƒ‘フォーマンス最大化を行ã†ã“ã¨ãŒéžå¸¸ã«é‡è¦ãªæŠ€è¡“ã§ã™ãŒã€ã“ã®ä¸€é€£ã®æµã‚Œã‚’å…¨ã¦ã®æ¼”ç¿’ã§çµŒé¨“ã—ãªãŒã‚‰é‡è¦ãªè¦ç´ を身ã«ã¤ã‘ã‚‹ã“ã¨ãŒå¯èƒ½ã§ã™ã€‚
データサイエンティストを目指ã—ã¦åŠå¹´ã§å¦ã‚“ã ã“ã¨ã¾ã¨ã‚ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ã¯ã˜ã‚㫠本記事ã§ã¯ã€ãƒ‡ãƒ¼ã‚¿ã‚µã‚¤ã‚¨ãƒ³ãƒ†ã‚£ã‚¹ãƒˆã‚’目指ã—ã¦å‹‰å¼·ã—ãŸåŠå¹´é–“ã§å¦ã‚“ã ã“ã¨ã€æ°—付ã„ãŸã“ã¨ã‚’ã¾ã¨ã‚ã¾ã™ã€‚ã“ã‚Œã‹ã‚‰ãƒ‡ãƒ¼ã‚¿ã‚µã‚¤ã‚¨ãƒ³ãƒ†ã‚£ã‚¹ãƒˆã‚’目指ã—ã¦å‹‰å¼·ã™ã‚‹äººã®å‚考ã«ãªã‚Œã°ã¨æ€ã„ã¾ã™ã€‚ 最åˆã®ä¸€æ‰‹ 個人的ã«ã§ã¯ã‚ã‚Šã¾ã™ãŒã€æœ€åˆã¯ã‚¢ãƒ—ãƒãƒ¼ãƒã®ç†è§£ã‹ã‚‰å§‹ã‚ã‚‹ã¨æ€ã„ã¾ã™ãŒã€æ•°å¼ã¨ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚°ã®ä¸¡æ–¹ã‚’勉強ã™ã‚‹æ–¹ãŒè‰¯ã„ã¨æ€ã„ã¾ã™ã€‚**æ•°å¼â†’プãƒã‚°ãƒ©ãƒŸãƒ³ã‚° or プãƒã‚°ãƒ©ãƒŸãƒ³ã‚°â†’æ•°å¼ã®é †åºã¯ã©ã¡ã‚‰ã§ã‚‚良ã„ã¨æ€ã„ã¾ã™ãŒã€ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚°ï¼ˆãƒ•ãƒ¬ãƒ¼ãƒ ワーク）ã®ã¿**ã¯ã‚„ã‚ãŸæ–¹ãŒè‰¯ã„ã¨æ€ã„ã¾ã™ã€‚出力çµæžœã®è§£é‡ˆã§è‹¦åŠ´ã™ã‚‹ã“ã¨ã«ãªã‚‹ã®ã§ã€ç†è«–ã€æ•°å¼ã¯ã—ã£ã‹ã‚Šç†
2016å¹´ã®æ·±å±¤å¦ç¿’を用ã„ãŸç”»åƒèªè˜ãƒ¢ãƒ‡ãƒ« - Qiita
実装 検証ãŒçµ‚ã‚ã£ã¦ã„ãªã„モデルã®ä½¿ç”¨ã¯æ°—ã‚’ã¤ã‘ã¦ãã ã•ã„ cifar10ã®æ•°å€¤æ„Ÿè¦š ç¾æ™‚点ã§97%以上ã§ã¯SoTAã«ãªã‚‹ã¨æ€ã„ã¾ã™ã€‚僕ãŒçŸ¥ã£ã¦ã„ã‚‹é™ã‚Šã€æœ€é«˜ç²¾åº¦ã¯96.69%ã§ã™ã€‚ãã‚ãã‚cifar100ã‹åˆ¥ã®ãƒ‡ãƒ¼ã‚¿ã‚»ãƒƒãƒˆã‚’評価ã®è»¸ã«ã™ã‚‹ã¹ãã‹ã‚‚ã—ã‚Œã¾ã›ã‚“。 最近ã®å‚¾å‘ 今年ã¯Resnetファミリーã®å¹´ã ã£ãŸã¨æ€ã„ã¾ã™ã€‚特徴的ãªç‚¹ã¨ã—ã¦ã€æ·±ã•=精度ãŒçµ‚ã‚ã£ãŸç‚¹ã§ã™ã€‚googlenetãªã©ã¯æ˜”ã‹ã‚‰ä¸»å¼µã—ã¦ã„ã¾ã—ãŸãŒã€ã‚る程度深ã„ã¨ã€æ·±ã•ã‚ˆã‚Šã‚‚幅を広ãã—ãŸã»ã†ãŒç²¾åº¦ãŒä¸ŠãŒã‚‹ã¨ã„ã†ã“ã¨ãŒã€æ§˜ã€…ãªè«–æ–‡ã®çµæžœã§ä»Šå¹´ã¯ç¤ºã•ã‚Œã¾ã—ãŸã€‚3月ãらã„ã‹ã‚‰ã€Resnetã®å¹…を広ãã—ãŸã»ã†ãŒè‰¯ã„ã¨ã„ã†çµæžœã¯å‰¯æ¬¡çš„ã«ãžã‚ãžã‚出ã¦ã„ã¦ã€5月23æ—¥ã«å‡ºãŸWide Residual Netowrksã§æ±ºå®šçš„ã«ãªã£ãŸã‚ˆã†ãªå½¢ã ã¨æ€ã„ã¾ã™ã€‚å¹…ãŒå¤§äº‹ã¨ã„ã£ãŸã“ã¨ãŒã€ä»Šå¹´ã¯ã£ãã‚Šã—ãŸç‚¹ã§ã‚るよã†ã«æ€ã„ã¾ã™ã€‚ 論文を俯瞰ã—ã¦ã¿ã‚‹
ã¾ãŸã‚‚ã‚„TensorFlowãŒå¼·åŒ–ï¼ï¼æ·±å±¤å¦ç¿’ライブラリ「sonnetã€ã®ç™»å ´ã€ä½¿ã£ã¦ã¿ãŸè¨˜äº‹ç´¹ä»‹ã‚’è¿½åŠ ã€‘ - HELLO CYBERNETICS
æ–°ãŸãªãƒ©ã‚¤ãƒ–ラリsonnet sonnetã¨ã¯ DeepMind社製ã§ã‚ã‚‹ã“㨠TensorFlowã¨å…±ã«ä½¿ãˆã‚‹ TensorFlow TensorFlowã®å½¹å‰² TensorFlowã®è¿½åŠ ライブラリ Keras TensorFlow-Fold edward sonnet sonnet使ã£ã¦ã¿ãŸè¨˜äº‹ã¾ã¨ã‚ 多分日本語最速ã§å‡ºãŸä½¿ã£ã¦ã¿ãŸè¨˜äº‹ インストールã‹ã‚‰ä¸å¯§ã« コードã«å¯¾ã™ã‚‹ã‚³ãƒ¡ãƒ³ãƒˆãŒè±Šå¯Œã§å‚考ã«ãªã‚‹è¨˜äº‹ æ–°ãŸãªãƒ©ã‚¤ãƒ–ラリsonnet sonnetã¨ã¯ DeepMind社ãŒç¤¾å†…ã§åˆ©ç”¨ã—ã¦ã„ãŸæ·±å±¤å¦ç¿’ライブラリã§ã™ã€‚ 昨日ã“ã‚ŒãŒã‚ªãƒ¼ãƒ—ンソース化ã•ã‚Œã¾ã—ãŸã€‚ DeepMind社製ã§ã‚ã‚‹ã“㨠DeepMindã¯ç¾åœ¨Google傘下ã®äººå·¥çŸ¥èƒ½é–‹ç™ºä¼æ¥ã§ã™ã€‚ 圧倒的ãªå°‚門家集団ã®é›†ã¾ã‚Šã§ã‚ã‚Šã€æ·±å±¤å¦ç¿’ã®ç ”究ã«GoogleãŒä¹—り切る際ã«ã€DeepMind社ã¯è²·åŽã•ã‚Œã¾ã—ãŸã€‚ãã®å¾Œã€è³‡é‡‘力ã¨ç ”究力を
Kerasã‚’TensorFlowãƒãƒƒã‚¯ã‚¨ãƒ³ãƒ‰ã§è©¦ã—ã¦ã¿ãŸï¼šã€Œã‚‚ã£ã¨å¤šãã®äººã«æ©Ÿæ¢°å¦ç¿’ã¨Deep Learningã‚’ã€ã¨ã„ã†æ™‚代ã®å¹•é–‹ã‘ - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
（左：Kerasã€å³ï¼šMXnet） Kaggle Masterã®é–“ã§ã¯MXnetよりã•ã‚‰ã«äººæ°—ãªDeep Learningフレームワークã¨ã„ã†ã‹ãƒ©ãƒƒãƒ‘ーãŒã€@fcholletæ°ã®æ‰‹ã«ã‚ˆã‚‹Keras。 Keras Documentation çµæ§‹è‹¦å¿ƒã—ãŸã®ã§ã™ãŒã€ã‚ˆã†ã‚„ã手元ã®Python環境ã§èµ°ã‚‹ã‚ˆã†ã«ãªã£ãŸã®ã§ã€è©¦ã—ã¦ã¿ã¾ã—ãŸã€‚ãªãŠKerasã®æ¦‚è¦ã¨å…¨ä½“åƒã«ã¤ã„ã¦ã¯id:aidiaryã•ã‚“ãŒè©³ç´°ãªè§£èª¬ã‚’書ã„ã¦ä¸‹ã•ã£ã¦ã„ã‚‹ã®ã§ã€ãã¡ã‚‰ã®æ–¹ã‚’是éžãŠèªã¿ä¸‹ã•ã„。 追記 Kerasã¯äººæ°—ã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークãªã®ã§ã€åƒ•ãªã‚“ãžãŒã“ã‚“ãªãƒ–ãƒã‚°è¨˜äº‹ã‚’書ãå‰ã‹ã‚‰ç´ 晴らã—ã„紹介記事・スクリプトãŒå¹¾ã¤ã‚‚ã‚ã‚Šã¾ã™ã€‚ã“ã¡ã‚‰ã§ã¯å‚考ã¾ã§ã«ä»¥ä¸‹ã®ãŠäºŒæ–¹ã®ã‚‚ã®ã‚’ã”紹介ã•ã›ã¦ã„ãŸã ãã¾ã™ã€‚ Kerasã¯ãƒ¬ã‚´ãƒ–ãƒãƒƒã‚¯ã‚’組ã¿åˆã‚ã›ã‚‹ã‹ã®ã‚ˆã†ã«ã—ã¦ã€ç°¡å˜ã«ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã®ãƒ¢ãƒ‡ãƒ«ã‚’作æˆã§ãる便利ãªãƒ©ã‚¤ãƒ–ラリã§ã™ã€‚ã“れを使ã£ã¦æ¥½ã—
Keras Documentation
KERAS 3.0 RELEASED A superpower for ML developers Keras is a deep learning API designed for human beings, not machines. Keras focuses on debugging speed, code elegance & conciseness, maintainability, and deployability. When you choose Keras, your codebase is smaller, more readable, easier to iterate on. inputs = keras.Input(shape=(32, 32, 3)) x = layers.Conv2D(32, 3, activation="relu")(inputs) x =
éºä¼çš„アルゴリズムxニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ï¼ˆNeuroEvolution）ã§Open AI Gymã®äºŒè¶³æ©è¡Œãƒãƒœã‚’æ©ã‹ã›ãŸè©± - Qiita
ã©ã†ã‚‚ã€ã‚ªãƒªã‚£ç ”究所（http://orylab.com/） ã® ryo_grid ã“ã¨ç¥žæž—ã§ã™ã€‚ 今回ã¯ä»¥å‰è©¦ã—ã¦ãªã‹ãªã‹ã†ã¾ãã„ã‹ãªã‹ã£ãŸOpen AI Gymã®äºŒè¶³æ©è¡Œãƒãƒœã®å¼·åŒ–å¦ç¿’ã¸å†ãƒãƒ£ãƒ¬ãƒ³ã‚¸ã—ãŸè©±ã¨ã€ãã®ä¸ã§çŸ¥ã£ãŸNEAT(NeuroEvolution of Augmenting Topologies)ã¨ã„ã†æ‰‹æ³•ã«ã¤ã„ã¦æ›¸ããŸã„ã¨æ€ã„ã¾ã™ã€‚ å‰å›žã®ãŠè©± DQN(Deep Q-learning Network)ã¨ã„ã†ã€å¼·åŒ–å¦ç¿’ã®æ‰‹æ³•ã‚’使ã£ã¦äºŒè¶³æ©è¡Œãƒãƒœã‚’æ©ã‹ã›ã‚ˆã†ã¨ã—ã¾ã—ãŸã€‚ çµæžœã¨ã—ã¦ã€å¦ç¿’自体ã¯æˆã•ã‚Œã¾ã—ãŸãŒã€ã¾ã¨ã‚‚ã«æ©ãã¨ã„ã†ã¨ã“ã‚ã¾ã§ã¯ã„ãã“ã¨ãŒã§ãã¾ã›ã‚“ã§ã—ãŸã€‚ Pythonã§AIシミュレーションプラットフォームOpen AI Gym を利用ã—ã¦éŠã¶ (DQNç·¨) å†ãƒãƒ£ãƒ¬ãƒ³ã‚¸ ã©ã†ã«ã‹æ©ã‹ã›ã‚‹ã“ã¨ãŒã§ããªã„ã‹ã¨ãƒãƒƒãƒˆã®æµ·ã‚’ã•ã¾ã‚ˆã£ã¦ã„ãŸã¨ã“ã‚ã€stefanopalmi
Pythonã§AIシミュレーションプラットフォームOpen AI Gym を利用ã—ã¦éŠã¶ (DQNç·¨) - Qiita
ã©ã†ã‚‚ã€ã‚ªãƒªã‚£ç ”究所(http://orylab.com/) ã® ryo_grid ã“ã¨ç¥žæž—ã§ã™ã€‚ 今回ã¯Open AI Gymã§éŠã‚“ã§ã¿ãŸã®ã§ã€ãã‚Œã«ã¤ã„ã¦æ›¸ã„ã¦ã¿ã¾ã™ã€‚ Open AI Gym (https://gym.openai.com) ã¨ã¯ AI開発者ãŒè‡ªåˆ†ã®AIã‚’å‹•ã‹ã™ã“ã¨ã®ã§ãるシミュレータをæä¾›ã—ã¦ãれる環境ã§ã™ã€‚ Pythonå‘ã‘ã«ã¯ãƒ©ã‚¤ãƒ–ラリをæä¾›ã—ã¦ã„ã¾ã™ã€‚ AI Gymã«ã‚ˆã‚ŠAI開発者やAIç ”ç©¶è€…ã¯AIã®å¦ç¿’ãƒã‚¸ãƒƒã‚¯ã®ç ”究開発ã«å°‚念ã§ãã€ãã®å¯è¦–化やシミュレーションを行ã†æ‰‹é–“ãŒçœã‘ã¾ã™ã€‚ã¾ãŸã€åŒã˜ã‚·ãƒŸãƒ¥ãƒ¬ãƒ¼ã‚·ãƒ§ãƒ³ã‚’複数ã®ãƒ¦ãƒ¼ã‚¶ãŒç«¶ã„åˆã£ã¦è§£ã„ã¦ã„ã‚‹ã®ã§ã€å‚åŠ è€…å…¨ä½“ã§ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã®æ€§èƒ½å‘上ãŒæœŸå¾…ã•ã‚Œã¾ã™ã€‚ 主ãªã‚¿ãƒ¼ã‚²ãƒƒãƒˆã¯å¼·åŒ–å¦ç¿’ã«ã‚ˆã£ã¦æ§‹ç¯‰ã•ã‚Œã‚‹AIã§ã™ã€‚Deep Q-Learning Network(DQN)を代表ã¨ã™ã‚‹æ·±å±¤å¼·åŒ–å¦ç¿’ã¨å‘¼ã°ã‚Œã‚‹æ‰‹æ³•ãŒå°‘ã—å‰ã‹ã‚‰è©±
Pythonã§å‹•ã‹ã—ã¦å¦ã¶æ©Ÿæ¢°å¦ç¿’入門第三回　ディープラーニングç†è«–
http://shiroyagi.connpass.com/event/41884/
ゼãƒã‹ã‚‰ä½œã‚‹Deep Learning
ディープラーニングã®æœ¬æ ¼çš„ãªå…¥é–€æ›¸ã€‚外部ã®ãƒ©ã‚¤ãƒ–ラリã«é ¼ã‚‰ãšã«ã€Python 3ã«ã‚ˆã£ã¦ã‚¼ãƒã‹ã‚‰ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングを作るã“ã¨ã§ã€ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã®åŽŸç†ã‚’楽ã—ãå¦ã³ã¾ã™ã€‚ディープラーニングやニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã®åŸºç¤Žã ã‘ã§ãªãã€èª¤å·®é€†ä¼æ’法や畳ã¿è¾¼ã¿ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ãªã©ã‚‚実装レベルã§ç†è§£ã§ãã¾ã™ã€‚ãƒã‚¤ãƒ‘ーパラメータã®æ±ºã‚方やé‡ã¿ã®åˆæœŸå€¤ã¨ã„ã£ãŸå®Ÿè·µçš„ãªãƒ†ã‚¯ãƒ‹ãƒƒã‚¯ã€Batch Normalizationã‚„Dropoutã€Adamã¨ã„ã£ãŸæœ€è¿‘ã®ãƒˆãƒ¬ãƒ³ãƒ‰ã€è‡ªå‹•é‹è»¢ã‚„ç”»åƒç”Ÿæˆã€å¼·åŒ–å¦ç¿’ãªã©ã®å¿œç”¨ä¾‹ã€ã•ã‚‰ã«ã¯ã€ãªãœãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã¯å„ªã‚Œã¦ã„ã‚‹ã®ã‹ï¼Ÿ ãªãœå±¤ã‚’æ·±ãã™ã‚‹ã¨èªè˜ç²¾åº¦ãŒã‚ˆããªã‚‹ã®ã‹ï¼Ÿ ã¨ã„ã£ãŸâ€œWhyâ€ã«é–¢ã™ã‚‹å•é¡Œã‚‚å–り上ã’ã¾ã™ã€‚ 関連ファイル サンプルコード æ£èª¤è¡¨ 書ç±ç™ºè¡Œå¾Œã«æ°—ã¥ã„ãŸèª¤æ¤ã‚„æ›´æ–°ã•ã‚ŒãŸæƒ…å ±ã‚’æŽ²è¼‰ã—ã¦ã„ã¾ã™ã€‚ãŠæ‰‹æŒã¡ã®æ›¸ç±ã§ã¯ã€ã™ã§ã«ä¿®æ£ãŒæ–½ã•ã‚Œã¦ã„ã‚‹å ´åˆãŒã‚ã‚Šã¾
pythonã§ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯å®Ÿè£… - Qiita
ã¯ã˜ã‚ã« pythonã§3層ã®ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã‚’実装ã—，XNORã®è˜åˆ¥ã‚’ã—ã¦ã¿ã¾ã—ãŸï¼Ž æ•°å¼ã‚‚載ã›ãŸã®ã§ï¼Œèˆˆå‘³ã®ã‚ã‚‹æ–¹ã¯èªã‚“ã§ã¿ã¦ãã ã•ã„． 教科書ã¨ã—ã¦ã€Žæ·±å±¤å¦ç¿’ã€ã‚’使ã„ã¾ã—ãŸï¼Ž 本記事ã®æ§‹æˆ ã¯ã˜ã‚㫠ニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ é‡ã¿ã®æ›´æ–° 誤差逆ä¼æ’ XNOR pythonã§ã®å®Ÿè£… çµæžœ ãŠã‚り㫠ニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ ニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã¨ã¯ï¼Œäººé–“ã®è„³ã®ç¥žçµŒå›žè·¯ã‚’模ã—ãŸãƒ¢ãƒ‡ãƒ«ã§ã™ï¼Žã“ã®ãƒ¢ãƒ‡ãƒ«ã‚’使ã†ã“ã¨ã§ï¼Œç”»åƒèªè˜ã‚„音声èªè˜ãŒå¯èƒ½ã¨ãªã‚Šã¾ã™ï¼Ž 今回実装ã—ãŸãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã¯å…¥åŠ›å±¤ï¼Œä¸é–“層(1層)，出力層ã®3å±¤æ§‹é€ ã§ã™ï¼Ž é‡ã¿ã®æ›´æ–° 下ã®å›³ã§èª¬æ˜Žã—ã¦ã„ãã¾ã™ï¼Ž $l-1$ 層目㮠$i$ 番目ã®ãƒ¦ãƒ‹ãƒƒãƒˆã‹ã‚‰ $l$ 層目㮠$j$ 番目ã®ãƒ¦ãƒ‹ãƒƒãƒˆã¸ã®é‡ã¿ã‚’ $w_{ji}^{(l)}$ ã¨ã—ã¾ã™ï¼Ž ã¾ãŸï¼Œ$l-1$ 層目㮠$i$ 番目ã®ãƒ¦ãƒ‹ãƒƒãƒˆãŒä¿æŒã—ã¦ã„る値を $u_{i}^{(
深層å¦ç¿’ライブラリ Keras - 人工知能ã«é–¢ã™ã‚‹æ–創録
ã“ã“1å¹´ãらã„Deep Learning Tutorialã‚’èªã¿ãªãŒã‚‰Theanoã¨ã„ã†ãƒ©ã‚¤ãƒ–ラリã§æ·±å±¤å¦ç¿’ã®ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ を実装ã—ã¦ããŸã€‚ 深層å¦ç¿’ã®åŸºæœ¬çš„ãªã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ãªã‚‰Theanoã§ã‚¬ãƒªã‚¬ãƒªæ›¸ãã“ã¨ã‚‚ã§ããŸãŒã‚ˆã‚Šé«˜åº¦ãªã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã‚’Theanoã§ã‚¹ã‚¯ãƒ©ãƒƒãƒã‹ã‚‰æ›¸ãã®ã¯ã¨ã¦ã‚‚ãã¤ã„*1。 ãã‚“ãªã‚ã‘ã§Pylearn2ã€Lasagneã€nolearnãªã©ã®Theanoベースã®ãƒ©ãƒƒãƒ‘ーライブラリをã„ã‚ã„ã‚調ã¹ã¦ã„ãŸã®ã ãŒã€çµå±€ã®ã¨ã“ã‚Kerasã¨ã„ã†ãƒ©ã‚¤ãƒ–ラリãŒä¸€ç•ªã‚ˆã•ã’ã ã¨æ€ã£ãŸã€‚Kerasã¯ãƒãƒƒã‚¯ã‚¨ãƒ³ãƒ‰ã¨ã—ã¦Theanoã¨Tensorflowã®ä¸¡æ–¹ãŒä½¿ãˆã€ã‚ˆã‚Šé«˜ãƒ¬ã‚¤ãƒ¤ãªè¡¨ç¾ï¼ˆãŸã¶ã‚“Chainerã¨åŒãƒ¬ãƒ™ãƒ«ï¼‰ã§æ·±å±¤å¦ç¿’ã®ã•ã¾ã–ã¾ãªã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ãŒè¨˜è¿°ã§ãる。Theanoã‚„Tensorflowã¯å®Œå…¨ã«éš 蔽ã•ã‚Œã¦ãŠã‚Šã€Kerasã§æ›¸ã‹ã‚ŒãŸãƒ—ãƒã‚°ãƒ©ãƒ ã¯ã¾ã£ãŸãä¿®æ£ã›ãšã«Theanoã¨Tensor
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
Pythonã§ã¯ã˜ã‚ã‚‹ OpenAI Gymトレーニング
Amazon.co.jp: ゼãƒã‹ã‚‰ä½œã‚‹Deep Learning ―Pythonã§å¦ã¶ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングã®ç†è«–ã¨å®Ÿè£…: 斎藤康毅: 本
Pythonã«ã‚ˆã‚‹æ©Ÿæ¢°å¦ç¿’入門 ～Deep Learningã«æŒ‘戦～
[TensorFlowã§æ ªä¾¡äºˆæƒ³] 5 - 大ãã上ãŒã‚‹ã¨äºˆæƒ³ã•ã‚ŒãŸã¨ãã ã‘è²·ã£ã¦ã¿ã‚‹ã‚·ãƒŸãƒ¥ãƒ¬ãƒ¼ã‚·ãƒ§ãƒ³ - Qiita![[TensorFlowã§æ ªä¾¡äºˆæƒ³] 5 - 大ãã上ãŒã‚‹ã¨äºˆæƒ³ã•ã‚ŒãŸã¨ãã ã‘è²·ã£ã¦ã¿ã‚‹ã‚·ãƒŸãƒ¥ãƒ¬ãƒ¼ã‚·ãƒ§ãƒ³ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3c8d05c4b2f4cf361fe11d9f516978e1293747c0/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkYzMzcwNCUyRmVjN2NhM2ZlMDkxYWQ0NjAxZWJlYzZhNWJiMWYzOTMwZDNkNWIwNzMlMkZsYXJnZS5wbmclM0YxNjM3MDg3NzY0P2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1mOTkyZTZiZjM3ZWQyMWE1OGY4ZThmNzM1NTEzZTJkYg%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D9c54144643f1adb0db5c29eb2f6fdd2a%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBha2lyYWFrJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LXBhZD0wJnM9MjZjYzg1ZmM1Y2JiNjUzOTU5MjkyNDJjZDAxMmZjNjc%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3Ddec94876fcf793e243f3c89c20eee217)
{{#tags}}- {{label}}
{{/tags}}